Application of Data Imbalance Handling Techniques for Vacuum Pad Pressure Anomaly Detection and Analysis of Their Effectiveness

산업용 로봇의 사용이 전 세계적으로 증가하면서, 안정적이고 효율적인 운영을 보장하기 위해 운영 중 발생할 수 있는 문제를 조기에 탐지하는 것이 중요해지고 있다. 특히, 로봇은 생산 공정에서 핵심적인 작업을 수행하고 있어, 비정상적인 작동으로 인해 발생할 수 있는 문제를 조기에 발견하지 못하면 생산성 저하, 장비 손상, 나아가 생산 중단과 같은 심각한 결과를 초래할 수 있다. 하지만 이상 데이터에 대한 수집이 어렵기 때문에 데이터 불균형 문제가 발생하며, 이는 효과적인 탐지 모델을 구축하는 데 큰 장애물로 작용하고 있다. 본 논문에서는 이를 해결하기 위해 SMOTE, ADAYSN, 언더샘플링, SMOTE-Tomek와 같은 데이터 불균형 처리 기법을 적용하여 델타 로봇의 진공 패드 압력 이상 탐지 모델의 성능을 개선하는 연구를 수행하였다. XGBoost와 LightGBM 모델을 사용하여 성능을 비교한 결과, ADASYN기법이 적용된 XGBoost 모델의 정확도, 정밀도, 재현율, F1-Score 및 혼동 행렬에서 두드러진 성능 향상을 보였다.